L’IA au coeur de l’Industrie

L'IA au cœur de l'Industrie

L’Industrie est aujourd’hui dans une phase de transformation de fond et fait face à des consommateurs qui se tournent vers des produits personnalisés, spécialisés, couplés à des services numériques, bien plus complexes que les produits standardisés de la production de masse.

Dans ce contexte de complexification et d’hyperpersonnalisation des produits, la ligne de production doit être capable de répondre rapidement à des variations rapides. Elle doit devenir personnalisable, sécurisée, peu coûteuse, et qualitative, le tout dans un environnement écoresponsable.

Tout cet ensemble de nouveaux paramètres a conduit à ce qui est considéré, aujourd’hui, comme la 4ème Révolution Industrielle ou Industrie 4.0 (1).

Les processus à mettre en place pour réaliser une telle transformation sont d’une complexité nouvelle pour l’Industrie, et représentent un véritable défi à surmonter.

Cet article abordera comment l’Intelligence Artificielle s’impose comme un outil indispensable à la réussite de cette transformation et sa mise en œuvre.

Technologies sous-jacentes à l’Industrie 4.0 

Le marché de la production industrielle évolue. Les produits ne sont plus de simples objets, mais un service complet orchestré autour du produit. Ainsi, une marque ne vend plus simplement des chaussures de running, mais plutôt un style de vie autour de la course à pied incluant des chaussures personnalisées en termes de confort et de définition de couleurs, des chaussures capables de transmettre des informations précises sur le coureur, une application smartphone de suivi des courses, des conseils de coaching voire de nutrition, des axes d’amélioration dans le type de parcours, des détails sur le type d’exercices réalisés ou à réaliser, …

Produire des objets de ce type implique de profondes transformations dans la chaîne de production et l’introduction de technologies et de nouveaux savoir-faire pour l’Industrie.   

Les technologies sur lesquelles la transformation se base sont les suivantes :

  • Internet des objets (IoT) : les équipements industriels, les équipements logistiques, les entrepôts, la chaîne de production elle-même, les robots sont peu à peu équipés de capteurs et de moyens communicants qui permettent à la fois d’évaluer de manière très précise l’état de la chaîne de production et de la chaîne logistique, mais aussi de piloter à distance tous les éléments de la chaîne de production
  • Systèmes cyber-physiques et cobotique : les robots et systèmes de production sont couplés à des systèmes informatiques capables de recevoir des données, et piloter en automatique les machines. Les robots travaillent à l’unisson avec les humains pour réaliser les produits.
  • Big Data & Intelligence Artificielle : pour recevoir, stocker, transformer, interpréter, et exploiter les données de tout l’écosystème industriel, la partie informatique des systèmes cyber-physiques s’appuie fondamentalement sur les technologies du Big Data et l’utilisation de ces données par des algorithmes issus de l’Intelligence Artificielle.

Si d’autres technologies de terrain, telles que la réalité augmentée ou encore l’impression 3D viennent compléter le panel d’outils qui rendent le défi possible, les 3 notions fondamentales décrites ci-dessus sont les piliers fondateurs de l’Industrie 4.0.

Le rôle de l’Intelligence Artificielle dans l’Industrie 4.0 

Pour répondre aux enjeux des marchés industriels, la chaîne de production va devenir plus complexe dans son fonctionnement et plus perfectionnée.

L’hyperpersonnalisation des produits sous-entend également une multitude de combinaisons de gestes industriels possibles.

La masse de produits uniques implique également un nombre conséquent de matières premières mais dans des quantités plus faibles ce qui aboutit à une complexification des systèmes d’approvisionnement.

Le tableau ci-dessous illustre quelques éléments de l’évolution de l’industrie :

Dans cet environnement complexe, les acteurs de la chaîne industrielle voient la quantité d’informations à appréhender et de tâches à organiser devenir difficilement gérable sans l’aide d’outils dédiés à la gestion de ce système.

C’est là que les capacités de calcul importantes des clusters de traitement informatiques couplées à de l’Intelligence Artificielle apportent une valeur ajoutée indéniable

L’Intelligence Artificielle devient un atout indispensable à intégrer à la chaîne de production parce qu’elle permet :

  • La réalisation de prédictions à court, moyen et long terme ;
  • La reconnaissance de patterns de dysfonctionnement de l’entreprise ;
  • Un travail à l’échelle internationale plutôt que locale à l’entreprise ;
  • Une prévision de l’orchestration des différents acteurs robots ou machines sur la chaîne de production.

Parmi les cas d’usage réalisés dans l’Industrie 4.0, on pourrait citer les suivants pour lesquels l’utilisation de l’Intelligence Artificielle a démontré tout son intérêt :

  • Optimisation globale des processus industriels (2) ;
  • Gestion optimale de la chaîne d’approvisionnement intégrant de nombreux types de matières premières et de nombreux sites de production (3) ;
  • Optimisation de la qualité des produits en optimisant les coûts, et apparition de la notion de « Qualité 4.0 » (3) ;
  • Amélioration de l’efficacité des processus de production (3) ;
  • Maintenance prédictive des équipements (3) ;
  • Réduction des déchets industriels (3) ;
  • Optimisation énergétique des sites de production ;
  • Diminution de l’empreinte carbone de l’Industrie ;
  • Gestion de la collaboration homme/robot sur l’ensemble de la chaîne de production (3) ;
  • Optimisation de la sécurité sur la chaîne de production ;
  • Planification intelligente des tâches de la chaîne de production en intégrant les demandes de production personnalisée, les opérations de changement et de préparation des machines (changement de matière première, anticipation du réapprovisionnement, optimisation des gestes techniques …), la disponibilité des ressources humaines et des compétences, … ;
  • Résilience des systèmes robotisés et maintien de la sécurité en conditions dégradées : en cas de perte de connectivité avec le système d’informations central, ou dans le cas où le robot constate des avaries partielles ou totales de ces systèmes, des algorithmes de gestion du robot en mode dégradé garantissant la sécurité du personnel cobotique et le retour rapide et automatique en conditions nominales doivent être créés et déployés sur les robots eux-mêmes.

L’IA déployée à tous les niveaux de l’Industrie

Pour répondre à tous les besoins de l’Industrie 4.0, les algorithmes issus du domaine de l’Intelligence Artificielle doivent être déployés sur plusieurs niveaux :

  • Sur un système d’information central à un site de production d’un groupe industriel, qui reçoit toutes les données d’une ou plusieurs chaînes de production et pilote la production de cette ou ces chaînes ;
  • Sur un système d’information global, qui reçoit les données de tous les sites de production d’un groupe industriel, et réalise des préconisations tactique ou stratégiques sur le moyen et long terme ;
  • Sur les robots et les machines industrielles elles-mêmes, pour gérer l’environnement proche de la machine, synchroniser les gestes techniques avec le personnel cobotique, et gérer les situations anormales (pannes, déficience réseau, situation à risques, …) ;

Le système d’information local à un site et global peuvent bien sûr être tous deux déployés sur une même infrastructure Cloud commune, ce qui simplifie la gestion des données et l’efficacité d’élaboration des algorithmes.

Le socle technique de l’IA 

Comme nous l’avons vu, pour adresser le besoin de personnalisation de produits et garantir des cycles de production compétitifs en termes de qualité, de sécurité et de rapidité, il est désormais nécessaire d’adosser les outils de production à des environnements de calculs puissants capables de traiter les milliards de données générées par l’écosystème industriel.

Dans cet environnement de plus en plus complexe, des quantités non négligeables de données doivent être ingérées, transformées, croisées, interprétées, pour piloter des systèmes complexes à la dimension d’une chaîne de production, d’une usine, ou même d’un ensemble d’usines réparties sur un très large territoire, voire le monde entier.

La volumétrie et l’hétérogénéité des données manipulées est telle qu’elle nécessite l’utilisation de systèmes de calcul puissants et adaptatifs.

Dans ce domaine, les technologies HADOOP et Spark tirent leur épingle du jeu : HADOOP permet le stockage de volumes extrêmes de données, et Spark, grâce à ses capacités de calcul distribué, rend la visualisation et l’exploitation de ces données possibles.

Les technologies d’analyse et de reconnaissance d’images, ainsi que l’ensemble des technologies de réseaux de neurone (notamment le Deep Learning), permettent de surcroît d’ajouter des fonctionnalités avancées en ouvrant la porte à la capture vidéo en temps réel.

Pour alimenter ces clusters de calcul, il faut impérativement prévoir en amont une chaîne d’acquisition de données robuste, fiable, et capable d’ingérer des débits importants de données.

En effet, pour que l’ensemble soit opérationnel et réponde aux besoins du domaine, tous les robots et machines de la chaîne de production ainsi que tous les systèmes « classiques » de gestion industrielle vont alimenter en continu et en temps réel le cluster de traitements Spark/Hadoop, enrichir l’apprentissage en continu avec les valeurs du terrain, demander des prédictions à court, moyen ou long terme en permanence, …

Un système d’acquisition de données temps réel similaire à ceux du domaine de l’IoT, capable d’absorber plus de 100 000 messages par seconde et d’exécuter sur ces messages des traitements complexes impliquant des prédictions des modèles de Machine Learning est nécessaire.

Les fonctions classiques du monde de l’IoT (acquisition de données hétérogènes en débits élevés, remontées d’alertes en temps réel, traitement d’évènement complexe, …) doivent être combinées à des systèmes experts de l’Intelligence Artificielle et du Machine Learning pour obtenir une base de travail permettant de concrétiser les différents cas d’usage décrits précédemment.

Pour réaliser la mutation de l’ « Industrie 4.0 », l’Industrie n’a d’autre choix que de s’adosser a des systèmes de traitements de données puissants et d’utiliser des outils exploitant pleinement les capacités de l’Intelligence Artificielle.

Les réponses technologiques existent. Toutefois, il est primordial de s’interroger sur le défi à relever n’est pas également d’ordre organisationnel. Les acteurs de l’Industrie seront amener à modifier leurs fonctionnements internes. , Ils devront intégrer la technologie numérique et les données dans voire au cœur de leurs processus industriels. Pour réussir leur mutation, être accompagné d’acteurs du numérique sera essentiel pour les industriels (5).

Leur mutation ne peut réussir sans une telle collaboration ; accompagnement qui semblerait être la principale difficulté…

Les prochains articles de ce blog seront l’occasion, d’une part, de décrire plus en détail les cas d’usage évoqués ici, et d’autre part, ainsi, et comment les technologies, mentionnés ci-dessus, peuvent être utilisées pour les réaliser.